論文の概要: Few-shot Cross-country Generalization of Tabular Machine Learning and Foundation Models for Childhood Anemia Prediction under Distribution Shift

• arxiv url: http://arxiv.org/abs/2605.26589v1
• Date: Tue, 26 May 2026 06:20:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.698432
• Title: Few-shot Cross-country Generalization of Tabular Machine Learning and Foundation Models for Childhood Anemia Prediction under Distribution Shift
• Title（参考訳）: 分布シフト下の小児貧血予測のためのタブラル機械学習と基礎モデルを用いたクロスカントリー一般化
• Authors: Yusuf Brima, Marcellin Atemkeng, Lansana Hassim Kallon, David Niyukuri, Antoine Vacavant, Samuel Saidu, Ding-Geng Chen,
• Abstract要約: 小児貧血は、全世界で6～59か月の子どもの約40%に影響を及ぼす。 アフリカ、アジア、ラテンアメリカ、コーカサス、中東の16カ国のDHSデータを使用しました。 子どもの年齢、身長、年齢の高いzスコアが支配的な予測者となり、その後に富と母性教育が続いた。
• 参考スコア（独自算出の注目度）: 1.0456326026076763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Childhood anemia affects around 40% of children aged 6-59 months globally and arises from heterogeneous factors, limiting model generalizability. We evaluate a transformer-based tabular foundation model against classical supervised methods under cross-country and data-scarce settings. We used DHS data from 16 countries across Africa, Asia, Latin America, the Caucasus, and the Middle East (n=68,856). We compared Logistic Regression, XGBoost, LightGBM, and TabPFN v2.6. Performance was assessed using AUC-ROC, Brier score, and ECE. Generalization was evaluated using leave-one-country-out (LOCO), reverse-LOCO, and few-shot settings. Subgroup analyses included sex, age, residence, maternal education, and wealth. Feature importance was estimated using SHAP. TabPFN outperformed classical models in low-data regimes (<200 samples), showing higher discrimination and better calibration. Across countries, it achieved the lowest Brier score (0.042) and ECE (0.203). Under full-data settings, AUC-ROC ranged from 0.59-0.76 with small between-model differences ($\leq 0.05$). LOCO performance was stable (0.58-0.69), driven by country context. Reverse-LOCO showed asymmetric transferability. Subgroup performance was consistent with no systematic demographic bias. SHAP identified child age, altitude, and height-for-age z-score as dominant predictors, followed by wealth and maternal education. Performance in childhood anemia prediction is driven more by population variation than model choice. TabPFN provides advantages in low-resource settings through improved discrimination and calibration, highlighting foundation models as promising tools for data-scarce global health prediction.
• Abstract（参考訳）: 小児貧血は、全世界で6～59ヶ月の子供の約40%に影響を及ぼし、不均一な要因から生じる。 クロスカントリーおよびデータスカース設定下での古典的教師付き手法に対して,トランスフォーマーに基づく表層基礎モデルを評価する。 アフリカ,アジア,ラテンアメリカ,コーカサス,中東の16カ国(n=68,856。 Logistic Regression、XGBoost、LightGBM、TabPFN v2.6を比較した。 AUC-ROC, Brier score, ECEを用いて評価した。 一般化は、LOCO(Leave-one-country-out)、逆LOCO(Reverse-LOCO)、数ショット設定を用いて評価された。 サブグループ分析には、性別、年齢、居住地、母性教育、富が含まれる。 SHAPを用いて特徴を推定した。 TabPFN は低データレシエーション (200サンプル) において従来のモデルよりも優れており、高い差別性とキャリブレーションが向上した。 各国で最下位のブリアスコア(0.042点)とECE(0.203点)を達成。 フルデータ設定では、AUC-ROCは0.59-0.76で、モデル間の差は小さい(\leq 0.05$)。 LOCOの性能は安定した(0.58-0.69)。 逆LOCOは非対称性を示した。 サブグループのパフォーマンスは、体系的な人口統計バイアスとは一致しなかった。 SHAPは、子どもの年齢、身長、年齢の高いzスコアを支配的な予測因子とし、その後に富と母性教育を行った。 小児貧血予測のパフォーマンスは、モデル選択よりも人口変動によって引き起こされる。 TabPFNは、差別とキャリブレーションの改善を通じて、低リソース設定の利点を提供し、基礎モデルを、データスカースなグローバルヘルス予測のための有望なツールとして強調する。

関連論文リスト

• An Integrated Framework for Explainable, Fair, and Observable Hospital Readmission Prediction: Development and Validation on MIMIC-IV [0.0]
  MIMIC-IVデータベースから成人415231名を対象にコホートを構築した。 このフレームワークは、競争力のあるパフォーマンス、臨床的に実行可能な説明、強力な人口シェアを提供する。
  論文  参考訳（メタデータ） (2026-04-24T13:21:44Z)
• Can Persona-Prompted LLMs Emulate Subgroup Values? An Empirical Analysis of Generalisability and Fairness in Cultural Alignment [75.88231994139132]
  GPT-4.1のような最先端モデルでさえ、モーダル選好を予測する精度は57.4%に過ぎなかった。 モデルでは、若者、男性、中国人、キリスト教のペルソナをよりうまくエミュレートする。
  論文  参考訳（メタデータ） (2026-04-14T15:06:13Z)
• Multilevel Determinants of Overweight and Obesity Among U.S. Children Aged 10-17: Comparative Evaluation of Statistical and Machine Learning Approaches Using the 2021 National Survey of Children's Health [0.2538209532048867]
  全国小児健康調査から10～17歳児18,792例の分析を行った。 肥満は、食事、身体活動、睡眠、親のストレス、社会経済的条件、悪体験、近隣特性などを含むBMIカテゴリーで定義されている。 AUC,精度,精度,リコール,F1スコア,ブライアスコアを用いて評価を行った。
  論文  参考訳（メタデータ） (2026-02-23T19:31:44Z)
• Child Mortality Prediction in Bangladesh: A Decade-Long Validation Study [0.0]
  バングラデシュの2011-2022年の人口統計調査(DHS)データ(n = 33,962)は,本論文で使用される。 モデルを(2011-2014)データでトレーニングし、2017年データで検証し、2022年データでテストしました。 モデルの最初のテストから8年後、遺伝的アルゴリズムをベースとしたNeural Architecture Searchは、XGBoostよりも優れた単層ニューラルネットワークを発見した。
  論文  参考訳（メタデータ） (2026-02-03T19:18:50Z)
• Predicting Anemia Among Under-Five Children in Nepal Using Machine Learning and Deep Learning [1.8183349008726755]
  ネパール・デモグラフィック・ヘルス・サーベイ (NDHS 2022) のマイクロデータを用いて, 1,855人の子どもを対象に分析を行った。 小児年齢,近年の発熱, 世帯規模, 母性貧血, 寄生虫除虫が一貫して選択された。 機械学習とディープラーニングモデルは、競合する貧血の予測を提供する。
  論文  参考訳（メタデータ） (2026-02-01T04:00:12Z)
• Explainable Admission-Level Predictive Modeling for Prolonged Hospital Stay in Elderly Populations: Challenges in Low- and Middle-Income Countries [65.4286079244589]
  長期滞在期間 (pLoS) は, 院内感染のリスクに関連する重要な要因である。 入院レベルの患者と病院の診療データを用いて, pLosの予測モデルを開発し, 解説する。
  論文  参考訳（メタデータ） (2026-01-07T23:35:24Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
  Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。 本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
  論文  参考訳（メタデータ） (2022-07-15T18:21:36Z)
• Assessing Social Determinants-Related Performance Bias of Machine Learning Models: A case of Hyperchloremia Prediction in ICU Population [6.8473641147443995]
  高塩素血症を予測するために構築された4つの分類器について検討した。 実験室をベースとした機能に加え, 社会的決定因子の付加は, 全患者のモデル性能を向上することがわかった。 我々は将来の研究者に、潜在的なバイアスを積極的に調整し、サブグループレポートを含むモデルを設計するよう促す。
  論文  参考訳（メタデータ） (2021-11-18T03:58:50Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。